概念的一些积累： Sobel梯度算法： A(i,j): 表示点（i,j）上的灰度值或者RGB值 在竖轴上的一阶导数为A(i, j)-A(i, j-1) 在竖轴上的二阶导数为(A(i,j+1)+A(i,j-1)-2A(i,j))/2 为了保证连续性，求完导数后再对上下点做下加权[1,2,1] 对行，列 ...
分类：
其他好文 时间：
2016-10-21 13:14:25
阅读次数：
98
目录: 1. 前言 2. 正文 2.1 梯度 2.2 梯度下降算法 2.2.1 批量梯度下降算法 2.2.2 随机梯度下降算法 3.参考文献 1.前言 这篇随笔,记录的是个人对于梯度算法的些许理解. 由于充斥着太多关于梯度算法的各种说明软文,所以呢? 本文是从一个实例出发,来逐步使用各种算法进行求解 ...
分类：
编程语言 时间：
2016-09-21 15:57:55
阅读次数：
2989
在大致了解了机器学习的算法分类（监督式、非监督式以及增强学习）和梯度算法后，今天我们来了解下拟合度和最大似然估计的相关问题。一、最小二乘法的拟合度
监督式学习中一类典型的应用就是回归问题，基本的就是线性回归，即用一条直线去逼近训练集合。最小二乘法就是根据已..
分类：
其他好文 时间：
2015-04-28 00:14:45
阅读次数：
181
【machine learning】linear regression...
分类：
系统相关 时间：
2015-01-19 09:24:38
阅读次数：
246
梯度下降是最优化最基本的方法之一，在优化代价函数的时常常需要求函数的最小值，一种直接的方法是求函数在在定义域范围内的极值。但有些函数的极值点并不能简单解出来，这就需要一个逼近的方法，就是梯度法。函数f在某个点处的梯度方法就是函数上升最快的方向。当求f的最小值时，在逼近最小值的过程中就需要参数沿着梯度...
分类：
其他好文 时间：
2014-09-18 23:27:44
阅读次数：
263
